基于免疫遗传算法考虑割缝及间隙补偿的矩形件排样优化研究

激光切割钢板产生零件广泛应用于造船厂等重型企业,其中矩形件是一类非常重要的零件。针对制造业中大规模、多尺寸的矩形件排样问题,考虑了割缝距离及钢板边缘间隙距离对板材利用率的影响,以板材利用率最大为目标构建数学模型,将免疫遗传算法与剩余矩形算法结合求解该模型。通过与遗传算法和免疫算法与剩余矩形算法结合的求解结果进行比较,证明了免疫遗传算法在提高板材利用率方面的有效性,并生成了对应的排样图,对工厂生产实践具有一定的指导意义。

基于累计特征提取和RCNN的滚动轴承剩余使用寿命预测

对轴承振动信号的累计特征进行提取,在此基础上提出基于循环卷积神经网络(Recurrent Convolutional Neural Network,RCNN)的滚动轴承剩余使用寿命(Remaining Useful Life,RUL)预测模型。该预测模型通过构建循环卷积层增强神经网络对时间依赖性的学习,通过变分推理量化RUL预测中RCNN的不确定性。通过试验将基于RCNN的滚动轴承RUL预测模型与回归预测模型的预测结果相对比,验证该基于RCNN的预测模型的有效性。